CN103607717B - 蜂窝分层无线网络中基站密度和功率的配置方法和设备 - Google Patents

Abstract

本发明公开了一种蜂窝分层无线网络中基站密度和功率的配置方法和设备，该方法包括：网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m；所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率。本发明实施例中，基于热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及确定热点区域面积和非热点区域面积的比例γ_m，配置异构网络中宏基站和微基站的功率和密度，从而提高异构网络中功率和频谱的资源利用率，满足热点区域用户和非热点区域用户的业务传输需求，有效保证热点区域用户和非热点区域用户的服务质量，显著提高系统传输能量效率和系统吞吐量。

Description

蜂窝分层无线网络中基站密度和功率的配置方法和设备

技术领域

本发明涉及通信技术领域，尤其是涉及了一种蜂窝分层无线网络中基站密度和功率的配置方法和设备。

背景技术

近年来，无线通信网络规模和业务速率均呈快速爆炸增长态势。国际电联最新数据显示，截至2010年底全球手机用户已达53亿，其中9.4亿为3G以上宽带用户。因此，随着信息产业与工业应用领域的进一步结合以及物联网时代的到来，通信业务需求仍将有大幅度增长，网络建设规模也将持续扩大。

用户在时间、空间、业务内容等多个维度会具有明显的群体行为规律，对无线网络的能效造成较大影响。然而，当前对无线网络能效的研究中，多以用户个体行为互相独立为研究前提，缺乏针对用户群体行为对网络能效影响的定量分析，因此用户群体行为与网络能效的关联关系尚不明确。

此外，当前异构网络正成为未来无线网络的发展方向之一，而在异构网络中如何配置宏基站和微基站的功率和密度必将会受到广泛关注。

现有的同构网络中，不存在微基站与宏基站之间的相互影响，因此同构网络中配置宏基站和微基站的功率和密度的方式不能应用到异构网络中，即在异构网络中需要重新考虑宏基站和微基站的功率和密度的配置方式。

发明内容

本发明实施例提供一种蜂窝分层无线网络中基站密度和功率的配置方法和设备，以重新考虑宏基站和微基站的功率和密度的配置方式，提高频谱资源利用率。

为达到上述目的，本发明实施例提供一种蜂窝分层无线网络中基站密度和功率的配置方法，该方法包括：

网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，确定热点区域面积和非热点区域面积的比例γ_m；

所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率。

所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率，具体包括：如果当前已知微基站的热点区域密度，则所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率；如果当前已知宏基站的非热点区域密度，则所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率。

所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率的过程，具体包括：

所述网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\σ}}^2{\mathrm{\β}}_{th}{{\mathrm{\γ}}_m}^{\frac{\mathrm{\α}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\π\λ}}_h}\right)}^{\frac{\mathrm{\α}}{2}};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优密度：

${\mathrm{\λ}}_M^{opt}={\mathrm{\λ}}_h\frac{{\mathrm{\γ}}_m}{v_m};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\σ}}^2{\mathrm{\β}}_{th}{\left(\frac{v_m}{{\mathrm{\γ}}_m}\right)}^{\frac{\mathrm{\α}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\π\λ}}_h}\right)}^{\frac{\mathrm{\α}}{2}};$

其中，为微基站的最优功率，为宏基站的最优功率，为宏基站的最优密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度。

所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率的过程，具体包括：

所述网络侧设备利用如下公式配置异构网络中微基站的最优密度：

${\mathrm{\λ}}_m^{opt}={\mathrm{\λ}}_M\frac{v_m}{{\mathrm{\γ}}_m};$

所述网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\σ}}^2{\mathrm{\β}}_{th}{\left(\frac{{{\mathrm{\γ}}_m}^2}{v_m}\right)}^{\frac{\mathrm{\α}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\π\λ}}_M}\right)}^{\frac{\mathrm{\α}}{2}};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\σ}}^2{\mathrm{\β}}_{th}{\left(\frac{-\ln P_{edge}}{{\mathrm{\π\λ}}_M}\right)}^{\frac{\mathrm{\α}}{2}};$

其中，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率。

所述网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m之后，所述方法还包括：所述网络侧设备利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，所述用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大。

所述网络侧设备利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，具体包括：所述网络侧设备利用如下公式确定异构网络中的用户聚集系数h：

$h=\left\{\begin{array}{cc}\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}-\frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}& v_m>1\\ \frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}-\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}& v_m<1\end{array}\right..$

本发明实施例提供一种网络侧设备，该网络侧设备包括：

确定模块，用于确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m；

处理模块，用于利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率。

所述处理模块，具体用于在当前已知微基站的热点区域密度时，利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率；或者，在当前已知宏基站的非热点区域密度时，利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率。

所述处理模块，进一步用于利用如下公式配置异构网络中微基站的最优功率：并利用如下公式配置异构网络中宏基站的最优密度：以及利用如下公式配置异构网络中宏基站的最优功率：或者，利用如下公式配置异构网络中微基站的最优密度：并利用如下公式配置异构网络中微基站的最优功率：以及利用如下公式配置异构网络中宏基站的最优功率：其中，为微基站的最优功率，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度。

所述确定模块，还用于利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，所述用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；其中，用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大；

其中，所述确定模块，具体用于利用如下公式确定异构网络中的用户聚集系数h：

与现有技术相比，本发明实施例至少具有以下优点：本发明实施例中，基于热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及确定热点区域面积和非热点区域面积的比例γ_m，配置异构网络中宏基站和微基站的功率和密度，从而提高异构网络中功率和频谱的资源利用率，同时满足热点区域用户和非热点区域用户的业务传输需求，有效保证热点区域用户和非热点区域用户的服务质量，显著提高系统传输能量效率和系统吞吐量。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例一中异构分层网络的应用场景示意图；

图2是本发明实施例一中的一种蜂窝分层无线网络中基站密度和功率的配置方法流程图；

图3是本发明实施例一中提出的用户行为分布曲线示意图；

图4是本发明实施例二提供的一种网络侧设备结构示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一

针对现有技术中存在的问题，本发明实施例一提供一种蜂窝分层无线网络中基站密度和功率的配置方法，以图1所示的异构分层网络的应用场景示意图为例，该方法应用于包括宏基站和微基站的异构网络中。其中，假设宏基站为第一层，且宏基站的位置服从密度λ_M的泊松分布；微基站为第二层，且微基站的位置服从密度λ_m的泊松分布；此外，宏基站的发送功率为P_M，微基站的发送功率为P_m，用户接收信噪比门限值为β_th，下标M代表宏基站，下标m代表微基站；此外，宏基站负责覆盖非热点区域，微基站负责覆盖热点区域。

在上述应用场景下，如图2所示，该方法至少包括以下步骤：

步骤201，网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m。

在具体的实现过程中，可以通过测量等方式，使得网络侧设备能够获知热点区域单位面积业务速率，并能够获知非热点区域单位面积业务速率，继而确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m；可以通过测量等方式，使得网络侧设备能够获知热点区域面积，并能够获知非热点区域面积，继而确定热点区域面积和非热点区域面积的比例γ_m。

本发明实施例中，根据随机几何等相关理论可知，在双层异构网络覆盖的情况下，热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，可以进一步由以下公式决定：此外，热点区域面积和非热点区域面积的比例γ_m，可以进一步由以下公式决定：

在上述公式中，λ_m为微基站密度，λ_M为宏基站密度，P_m为微基站的发送功率，P_M为宏基站的发送功率，α为路损因子，且2≤α≤5。

步骤202，网络侧设备利用热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及热点区域面积和非热点区域面积的比例γ_m配置异构网络中的密度和/或功率。其中，异构网络中的密度为宏基站的密度或者微基站的密度，异构网络中的功率为微基站的功率和/或宏基站的功率。

本发明实施例中，基于热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及热点区域面积和非热点区域面积的比例γ_m，网络侧设备可以对异构网络中的宏基站的密度、微基站的密度、微基站的功率、宏基站的功率等进行最优化配置，即配置异构网络中宏基站的最优密度、微基站的最优密度、微基站的最优功率、宏基站的最优功率，从而使得异构网络的能效达到最优值，同时保证满足网络中用户群体行为的业务需求特征。

在实际网络中，一般会有两种情况，第一种情况是微基站已布置在热点区域，即当前已知微基站的热点区域密度，此时如果宏基站的布置也已完成，则可以通过休眠等方法改变宏基站的密度，并按照业务需要和用户的热点区域分布，配置微基站的功率以及宏基站的功率，以适应用户群体行为需求。第二种情况是宏基站已布置在非热点区域，即当前已知宏基站的非热点区域密度，此时可以按照业务需要和用户的热点区域分布，配置微基站的热点区域密度，配置微基站的功率以及宏基站的功率，以适应用户群体行为需求。

基于此，网络侧设备利用ν_m和γ_m配置异构网络中的密度和/或功率(宏基站的密度或微基站的密度，微基站的功率和宏基站的功率)，具体包括：

情况一、如果当前已知微基站的热点区域密度，则网络侧设备利用ν_m和γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率。

本发明实施例中，网络侧设备利用ν_m和γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率的过程，具体包括：

步骤1、网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{{\mathrm{\&gamma;}}_m}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}}.$

步骤2、网络侧设备利用如下公式配置异构网络中宏基站的最优密度：

${\mathrm{\&lambda;}}_M^{opt}={\mathrm{\&lambda;}}_h\frac{{\mathrm{\&gamma;}}_m}{v_m}.$

步骤3、网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{v_m}{{\mathrm{\&gamma;}}_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}}.$

其中，上述步骤1、步骤2和步骤3之间并没有先后顺序关系。

在上述公式中，为微基站的最优功率，为宏基站的最优功率，为宏基站的最优密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度。

以下结合具体的应用对上述公式的生成过程进行进一步的阐述。

对于微基站已经布置在热点区域的情况，当前已知微基站的热点区域密度，即可以确定微基站的密度为热点密度λ_h，并建立如下能效优化问题：

$\underset{{\mathrm{\&lambda;}}_M,P_M,P_m}{max}EE=\frac{R_M+R_m}{{\mathrm{\&lambda;}}_m(P_m+P_m^c)+{\mathrm{\&lambda;}}_M(P_M+P_M^c)};$

$s.t.{\mathrm{\&gamma;}}_m=\frac{{\mathrm{\&lambda;}}_m{P_m}^{\frac{2}{\mathrm{\&alpha;}}}}{{\mathrm{\&lambda;}}_M{P_M}^{\frac{2}{\mathrm{\&alpha;}}}};$

$v_m=\frac{{\mathrm{\&lambda;}}_m^2{P_m}^{\frac{2}{\mathrm{\&alpha;}}}}{{\mathrm{\&lambda;}}_M^2{P_M}^{\frac{2}{\mathrm{\&alpha;}}}}$

SINR_edge≥β_th；

λ_m＝λ_h。

基于上述情况的能效优化问题，网络侧设备可以配置微基站的最优功率为：可以配置宏基站的最优密度为并可以配置宏基站的最优功率为

在上述公式中，R_M为宏基站层容量，R_m为微基站层容量，λ_m为微基站密度，λ_M为宏基站密度，P_m为微基站功率，P_M为宏基站功率，为微基站固定功率，为宏基站固定功率，EE为网络能效，α为路损因子，且2≤α≤5，π为圆周率，SINR_edge为小区边缘信噪比，β_th为接收信噪比，λ_h为微基站的热点区域密度，为微基站的最优功率，为宏基站的最优功率，为宏基站的最优密度，σ²为热噪声功率，P_edge为小区边缘接入概率。

进一步的，运用随机几何等理论，可以得到异构网络的宏基站层容量和微基站层容量。其中，进一步的， ₂F₁为超几何函数，具体的超几何函数本发明实施例中不再详加赘述。

情况二、如果当前已知宏基站的非热点区域密度，则网络侧设备利用ν_m和γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率。

本发明实施例中，网络侧设备利用ν_m和γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率的过程，具体包括：

步骤1、网络侧设备利用如下公式配置异构网络中微基站的最优密度：

${\mathrm{\&lambda;}}_m^{opt}={\mathrm{\&lambda;}}_M\frac{v_m}{{\mathrm{\&gamma;}}_m}.$

步骤2、网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{{{\mathrm{\&gamma;}}_m}^2}{v_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}}.$

步骤3、网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}}.$

其中，上述步骤1、步骤2和步骤3之间并没有先后顺序关系。

在上述公式中，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率。

以下结合具体的应用对上述公式的生成过程进行进一步的阐述。

对于宏基站已经布置在非热点区域的情况，即宏基站的密度已经给定的情况，本发明实施例中可以具体建立如下能效优化问题：

$\underset{P_M,{\mathrm{\&lambda;}}_M,P_m}{max}EE=\frac{R_M+R_m}{{\mathrm{\&lambda;}}_m(P_m+P_m^c)+{\mathrm{\&lambda;}}_M(P_M+P_M^c)}$

$s.t.{\mathrm{\&gamma;}}_m={\mathrm{\&lambda;}}_m{P_m}^{\frac{2}{\mathrm{\&alpha;}}}/{\mathrm{\&lambda;}}_M{P_M}^{\frac{2}{\mathrm{\&alpha;}}}$

$v_m={\mathrm{\&lambda;}}_m^2{P_m}^{\frac{2}{\mathrm{\&alpha;}}}/{\mathrm{\&lambda;}}_M^2{P_M}^{\frac{2}{\mathrm{\&alpha;}}}$

SINR_edge≥β_th

λ_M。

基于上述情况的能效优化问题，网络侧设备可以配置微基站的最优密度为：可以配置微基站的最优功率为：并可以配置宏基站的最优功率为：

在上述公式中，R_M为宏基站层容量，R_m为微基站层容量，λ_m为微基站密度，λ_M为宏基站密度，P_m为微基站功率，P_M为宏基站功率，为微基站固定功率，为宏基站固定功率，EE为网络能效，α为路损因子，且2≤α≤5，π为圆周率，SINR_edge为小区边缘信噪比，β_th为接收信噪比，λ_h为微基站的热点区域密度，为微基站的最优功率，为宏基站的最优功率，为微基站的最优密度，σ²为热噪声功率，P_edge为小区边缘接入概率。

进一步的，运用随机几何等理论，可以得到异构网络的宏基站层容量和微基站层容量。其中，进一步的， ₂F₁为超几何函数，具体的超几何函数本发明实施例中不再详加赘述。

本发明实施例中，网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m之后，网络侧设备还可以利用ν_m和γ_m确定异构网络中的用户聚集系数h，该用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；其中，用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大。

进一步的，网络侧设备利用ν_m和γ_m确定异构网络中的用户聚集系数h，具体包括：网络侧设备利用如下公式确定异构网络中的用户聚集系数h：

$h=\left\{\begin{array}{cc}\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}-\frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}& v_m>1\\ \frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}-\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}& v_m<1\end{array}\right..$

以下结合具体的应用场景对用户群体行为规律的内容进行详细说明。

本发明实施例中，根据网络中用户群体行为特点，建立用户群体行为模型，对网络中用户群体行为做定量描述，刻画用户群体行为特征。具体的，由于用户群体行为是指用户在网络中以群体为单位，在活动规律、业务需求、接入频率、聚集特性等多维度下的行为模式和特征规律，因此可以通过下列步骤建立用户行为曲线：(1)将业务区域空间划分成不同的区间u_i，下标i＝1...n表示不同区间序号；(2)计算出每一个区间的业务速率t(u_i)；(3)对这些区间，按照业务速率大小进行排序；(4)定义用户行为分布曲线(累计面积x的区域内的业务速率占总业务速率的比例)为：

从用户行为分布曲线可以看出，横轴对应在观察区间内的累计时间/面积/内容，纵轴代表累计的业务速率，因此用户行为分布曲线上每一点的物理含义是，对应观察区间内的累计时间/面积/内容上的业务速率占总业务速率的百分比。如果用户行为毫无差异，则业务速率在累计时间或累计面积或累计内容维度上的统计是均匀的，且在累计时间或累计面积或累计内容对应的x％的区域内应该有x％，即用户行为分布曲线是一条45度线。与此相反的，考虑到一个极端情况，用户行为差异巨大，仅有一个用户申请了业务，而其它所有用户都没有申请业务，此时用户行为分布曲线一直是0，直到统计面积为100％，则用户行为分布曲线是即一条水平线和一条垂直线。

进一步的，这条用户行为分布曲线的下凹的程度(曲率)代表了用户行为聚集的程度，如果用户行为分布曲线越平(曲率越小)，就越接近无差异的用户行为分布曲线(45度线)，相应的用户行为差异性越小。如果这条用户行为分布曲线越下凹(曲率越大)，就越接近差异最大的用户行为分布曲线(一条水平线和一条垂直线)，相应的用户行为差异性越大。

为了量化不同用户行为分布曲线的差异，如图3所示的用户行为分布曲线示意图，图3中的三条用户行为分布曲线围成了A，B两个区域，且这三条用户行为分布曲线分别是：业务速率绝对平均的用户行为分布曲线，业务速率绝对集中的用户行为分布曲线，业务速率一般分布的用户行为分布曲线。基于此，本发明实施例中提出了用户聚集系数h，该用户聚集系数定量反映用户群体行为规律，且可以根据区域A面积以及区域B面积计算用户聚集系数，或基于热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及热点区域面积和非热点区域面积的比例γ_m计算用户聚集系数，如下所示。

$h=\frac{A}{A+B}\left\{\begin{array}{cc}\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}-\frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}& v_m>1\\ \frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}-\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}& v_m<1\end{array}\right..$

综上所述，本发明实施例中，基于热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m以及确定热点区域面积和非热点区域面积的比例γ_m，配置异构网络中宏基站和微基站的功率和密度，从而提高异构网络中功率和频谱的资源利用率，同时满足热点区域用户和非热点区域用户的业务传输需求，使得能量效率达到最佳。进一步的，上述方式可以有效保证热点区域用户和非热点区域用户的服务质量，显著提高系统传输能量效率和系统吞吐量。进一步的，上述方式适用于多种无线通信网络，能够适用于所有异构无线网络，且无需考虑具体网络制式的限制，具有很好的推广应用前景。进一步的，上述方式能够最大限度的节约网络能耗，提高整体网络能量效率。

实施例二

基于与上述方法同样的发明构思，本发明实施例中还提供了一种网络侧设备，如图4所示，该网络侧设备具体包括：

确定模块11，用于确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m；

处理模块12，用于利用所述ν_m和γ_m配置异构网络中的密度和/或功率。

所述处理模块12，具体用于在当前已知微基站的热点区域密度时，利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率；或者，在当前已知宏基站的非热点区域密度时，利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率。

所述处理模块12，进一步用于利用如下公式配置异构网络中微基站的最优功率：并利用如下公式配置异构网络中宏基站的最优密度：以及利用如下公式配置异构网络中宏基站的最优功率：或者，利用如下公式配置异构网络中微基站的最优密度：并利用如下公式配置异构网络中微基站的最优功率：以及利用如下公式配置异构网络中宏基站的最优功率：其中，为微基站的最优功率，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度。

所述确定模块11，还用于利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，所述用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；其中，用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大；

其中，所述确定模块11，具体用于利用如下公式确定异构网络中的用户聚集系数h：

其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (4)

1.一种蜂窝分层无线网络中基站密度和功率的配置方法，其特征在于，该方法包括：

网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m；

所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率，

其中，所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率，具体包括：

如果当前已知微基站的热点区域密度，则所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率；

如果当前已知宏基站的非热点区域密度，则所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率；

其中，所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率的过程，具体包括：

所述网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{{\mathrm{\&gamma;}}_m}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-{\mathrm{lnP}}_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优密度：

${\mathrm{\&lambda;}}_M^{opt}={\mathrm{\&lambda;}}_h\frac{{\mathrm{\&gamma;}}_m}{v_m};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{v_m}{{\mathrm{\&gamma;}}_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-{\mathrm{lnP}}_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

其中，为微基站的最优功率，为宏基站的最优功率，为宏基站的最优密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度；

其中，所述网络侧设备利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率的过程，具体包括：

所述网络侧设备利用如下公式配置异构网络中微基站的最优密度：

${\mathrm{\&lambda;}}_m^{opt}={\mathrm{\&lambda;}}_M\frac{v_m}{{\mathrm{\&gamma;}}_m};$

所述网络侧设备利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{{{\mathrm{\&gamma;}}_m}^2}{v_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-{\mathrm{lnP}}_{edge}}{{\mathrm{\&pi;\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

所述网络侧设备利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{-{\mathrm{lnP}}_{edge}}{{\mathrm{\&pi;\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

其中，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率。

2.如权利要求1所述的方法，其特征在于，所述网络侧设备确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m之后，所述方法还包括：

所述网络侧设备利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，所述用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；其中，用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大；

其中，所述网络侧设备利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，具体包括：

所述网络侧设备利用如下公式确定异构网络中的用户聚集系数h：

$h=\left\{\begin{array}{cc}\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1}-\frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1},& v_m>1\\ \frac{{\mathrm{\&gamma;}}_m}{{\mathrm{\&gamma;}}_m+1}-\frac{{\mathrm{\&gamma;}}_m{v}_m}{{\mathrm{\&gamma;}}_m{v}_m+1},& v_m<1\end{array}\right..$

3.一种网络侧设备，其特征在于，该网络侧设备包括：

确定模块，用于确定热点区域单位面积业务速率和非热点区域单位面积业务速率的比例ν_m，并确定热点区域面积和非热点区域面积的比例γ_m；

处理模块，用于利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率；

其中，所述处理模块，用于利用所述ν_m和所述γ_m配置异构网络中的密度和/或功率，具体包括：

如果当前已知微基站的热点区域密度，则所述处理模块用于利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率；

如果当前已知宏基站的非热点区域密度，则所述处理模块用于利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率；

其中，所述处理模块用于利用所述ν_m和所述γ_m配置异构网络中微基站的功率、宏基站的密度以及宏基站的功率的过程，具体包括：

所述处理模块，用于利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{{\mathrm{\&gamma;}}_m}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-{\mathrm{lnP}}_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

所述处理模块，用于利用如下公式配置异构网络中宏基站的最优密度：

${\mathrm{\&lambda;}}_M^{opt}={\mathrm{\&lambda;}}_h\frac{{\mathrm{\&gamma;}}_m}{v_m};$

所述处理模块，用于利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{v_m}{{\mathrm{\&gamma;}}_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_h}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

其中，为微基站的最优功率，为宏基站的最优功率，为宏基站的最优密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率，λ_h为微基站的热点区域密度；

其中，所述处理模块用于利用所述ν_m和所述γ_m配置异构网络中微基站的密度、微基站的功率以及宏基站的功率的过程，具体包括：

所述处理模块，用于利用如下公式配置异构网络中微基站的最优密度：

${\mathrm{\&lambda;}}_m^{opt}={\mathrm{\&lambda;}}_M\frac{v_m}{{\mathrm{\&gamma;}}_m};$

所述处理模块，用于利用如下公式配置异构网络中微基站的最优功率：

$P_m^{opt}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{th}{\left(\frac{{{\mathrm{\&gamma;}}_m}^2}{v_m}\right)}^{\frac{\mathrm{\&alpha;}}{2}}{\left(\frac{-\ln P_{edge}}{{\mathrm{\&pi;\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

所述处理模块，用于利用如下公式配置异构网络中宏基站的最优功率：

$P_M^{\mathrm{opt}}={\mathrm{\&sigma;}}^2{\mathrm{\&beta;}}_{\mathrm{th}}{\left(\frac{-\ln P_{\mathrm{edge}}}{\mathrm{\&pi;}{\mathrm{\&lambda;}}_M}\right)}^{\frac{\mathrm{\&alpha;}}{2}};$

其中，为微基站的最优密度，为微基站的最优功率，为宏基站的最优功率，λ_M为宏基站的非热点区域密度，σ²为热噪声功率，β_th为接收信噪比，α为路损因子，且2≤α≤5，P_edge为小区边缘接入概率。

4.如权利要求3所述的网络侧设备，其特征在于，

所述确定模块，还用于利用所述ν_m和所述γ_m确定异构网络中的用户聚集系数h，所述用户聚集系数h定量反映用户群体行为规律，且用户群体行为规律通过用户行为曲线表征；其中，用户行为曲线的横轴对应在观察区间内的累计时间或累计面积或累计内容，纵轴代表累计的业务速率，用户行为曲线的下凹程度代表了用户行为聚集程度，如果用户行为曲线越平，则说明用户行为差异性越小，如果用户行为曲线越下凹，则说明用户行为差异性越大；

其中，所述确定模块，具体用于利用如下公式确定异构网络中的用户聚集系数h：